Python数组中的浮点精度

对于真正简单而愚蠢的问题，我表示歉意;但是，为什么这两种情况显示的精度有差异？Python数组中的浮点精度

1）

>> test = numpy.array([0.22]) 
>> test2 = test[0] * 2 
>> test2 
0.44

2）

>> test = numpy.array([0.24]) 
>> test2 = test[0] * 2 
>> test2 
0.47999999999999998

我使用64位Linux python2.6.6。非常感谢您的帮助。

这也持似乎憋了列表蟒蛇

>>> t = [0.22] 
>>> t 
[0.22] 

>>> t = [0.24] 
>>> t 
[0.23999999999999999]

2011-03-01 Eric

那怎么彩车工作 - “以神秘的方式”）。很多问题都是我无法解决的问题。 – delnan 2011-03-01 21:07:38

我不会称之为任何东西的重复，因为答案是非常具体的Python（加上它是我的答案:)）。 – Zooba 2011-03-01 21:45:50

因为它们是不同的号码和不同的数字有不同的舍入的效果。

（几乎所有的相关的问题上下右侧会解释的舍入影响自己的事业。）

好了，更严重的答案。似乎numpy的在阵列中对所述数字的一些转化或计算：

>>> t = numpy.array([0.22]) 
>>> t[0] 
0.22 


>>> t = numpy.array([0.24]) 
>>> t[0] 
0.23999999999999999

而Python不自动执行此操作：

>>> t = 0.22 
>>> t 
0.22 

>>> t = 0.24 
>>> t 
0.24

舍入误差小于numpy的的“EPS”值对于float，这意味着它应等于被处理（事实上，它是）：

>>> abs(numpy.array([0.24])[0] - 0.24) < numpy.finfo(float).eps 
True 

>>> numpy.array([0.24])[0] == 0.24 
True

但原因的Python将其显示为“0.24”和NU MPY不会是因为Python的默认float.__repr__方法使用低精度（其中，IIRC，是一个相当最近的变化）：

>>> str(numpy.array([0.24])[0]) 
0.24 

>>> '%0.17f' % 0.24 
'0.23999999999999999'

2011-03-01 21:07:39 Zooba

奇怪... Python浮动是C双打，所以应该没有任何区别。除非NumPy使用单精度（C浮点数）出于某种奇怪的原因。 – delnan 2011-03-01 21:14:20

即使没有Numpy，如果该值在列表中'>>> t = [0.22]''>>> t''[0.22]''>>> t = [0.24]'，Python似乎也会执行相同的操作'>>> t''[0.239999999]' – Eric 2011-03-01 21:16:56

@Eric我在试过时没有看到这种效果，但答案肯定是'numpy.float64 .__ repr__'在'％0中使用高精度。＃ f''比Python的'float .__ repr__'。（现在在我的答案中） – Zooba 2011-03-01 21:22:37

回答